本章內容，我們主要來講一下Python內置的HTML解析庫HTMLParser模塊，基本上也是應用于頁面抓取上，假設，我們需要去收集頁面上已存在的靜態鏈接，但是頁面肯定代碼量都非常大，并且頁面也很多，這樣看來，會比較麻煩，工作量也非常大，這個時候，我們就可以用到htmlparser模塊，一起來了解具體使用內容。

安裝：

npm install htmlparser

htmlparser提供構造函數：

function Parser(handler) {
  this._handler = handler;
}

HTMLParser解析HTML:

from html.parser import HTMLParser
from html.entities import name2codepoint
class MyHTMLParser(HTMLParser):
  def handle_starttag(self, tag, attrs):
    print('%s>' % tag)
  def handle_endtag(self, tag):
    print('/%s>' % tag)
  def handle_startendtag(self, tag, attrs):
    print('%s/>' % tag)
  def handle_data(self, data):
    print(data)
  def handle_comment(self, data):
    print('!--', data, '-->')
  def handle_entityref(self, name):
    print('%s;' % name)
  def handle_charref(self, name):
    print('#%s;' % name)
parser = MyHTMLParser()
parser.feed('''html>
head>/head>
body>
!-- test html parser -->
  p>Some a href=\"#\">html/a> HTML tutorial...br>END/p>
/body>/html>''')

HTML本質上是XML的子集，但是HTML的語法沒有XML那么嚴格，大家也可以嘗試利用HTMLParser解析HTML。

知識點擴展：

常用方法介紹

l feed(data)：主要用于接受帶html標簽的str，當調用這個方法時并提供相應的data時，整個實例（instance）開始執行，結束執行close()。

l handle_starttag(tag, attrs): 這個方法接收Parse_starttag返回的tag和attrs，并進行處理，處理方式通常由使用者進行覆蓋，本身為空。

例如，連接的start tag是a>，那么對應的參數tag＝'a'（小寫)。attrs是start tag >中的屬性，以元組形式（name, value）返回（所有這些內容都是小寫）。

例如，對于A http://www.baidu.com)]）.

l handle_endtag(tag)：跟上述一樣，只是處理的是結束標簽，也就是以/開頭的標簽。

l handle_data(data)：處理的是網頁的數據，也就是開始標簽和結束標簽之間的內容。例如：script>.../script>的省略號內容

l handle_comment(data) ，處理注釋，!-- -->之間的文本

l reset()：將實例重置，包括作為參數輸入的數據進行清空。

到此這篇關于python中HTMLParser模塊知識點總結的文章就介紹到這了,更多相關python中HTMLParser模塊是什么內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！

到此這篇關于python中HTMLParser模塊知識點總結的文章就介紹到這了,更多相關python中HTMLParser模塊是什么內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！